基于RGB圖像傳感的電力設(shè)備材料的老化特征提取*

周小麗，王 哲

(1.浙江同濟(jì)科技職業(yè)學(xué)院 經(jīng)濟(jì)與信息學(xué)院，浙江 杭州 311231；2.浙江工業(yè)大學(xué) 土木工程學(xué)院，浙江 杭州 310023)

隨著傳感技術(shù)和信息技術(shù)的快速發(fā)展和應(yīng)用，RGB圖像傳感技術(shù)的應(yīng)用得到電力行業(yè)的重視[1]。RGB即是代表紅、綠、藍(lán)三個通道的顏色，這個標(biāo)準(zhǔn)幾乎包括了人類視力所能感知的所有顏色。RGB圖像傳感技術(shù)具備非接觸的優(yōu)勢，憑借這一優(yōu)勢可對電力設(shè)備材料的相關(guān)情況實現(xiàn)無接觸檢測[2]。近些年來，利用人工方法分析電力設(shè)備的相應(yīng)損壞與破損，效率低并且會受到人為的影響。通過利用RGB圖像傳感技術(shù)，可以實現(xiàn)電力設(shè)備材料老化特征的提取與檢測，成為電力領(lǐng)域中的一個熱點問題[3]。并且在無人機等遠(yuǎn)程圖像采集設(shè)備逐漸普及的情況下，有利于快速地完成需要人工才能完成的檢測[4]。相關(guān)學(xué)者也提出了一些較好的方法。

趙麗和黃惠芬[5]提出基于紅外激光圖像的特征提取方法，并應(yīng)用到了電力領(lǐng)域。該方法利用小波增強設(shè)備圖像清晰度，并抑制外界的噪聲，檢測相關(guān)設(shè)備圖像的奇異性，并根據(jù)圖像的極大值提取設(shè)備圖像的特征，完成了對設(shè)備狀態(tài)的判斷。該方法簡單，并且可以突出圖像的細(xì)節(jié)。但存在特征提取準(zhǔn)確率低和平均運行時間長的問題。鄒輝和黃福珍[6]提出基于FAsT-Match算法的電力設(shè)備材料的老化特征提取方法，利用匹配算法在電力設(shè)備圖像中做近似模板的匹配，采用FAsT-Match算法提取電力設(shè)備材料的老化特征，該方法的電力設(shè)備圖像分割處理得較好，但平均運行時間較長，實時性差。Jiang A等人[7]分析具有不同老化特征的電力絕緣材料分子結(jié)構(gòu)，利用介電常數(shù)、介質(zhì)損耗和雜質(zhì)離子參數(shù)得出老化程度與外加電場強度之間的關(guān)系，獲取自由體積的定量分析結(jié)果，提出了利用高清圖像識別進(jìn)行電力設(shè)備老化特征的提取，該方法可以有效實現(xiàn)電力絕緣材料無損壞性的老化檢測，但是由于需要獲取較多的參數(shù)和高清圖像，因此存在運行時間較長的情況。Morette等人[8]提出基于直流局部放電的特征提取與老化狀態(tài)識別方法，從局部放電原始數(shù)據(jù)中提取和選擇相關(guān)特征用于識別高壓設(shè)備中的絕緣缺陷類型，可以準(zhǔn)確識別不同電纜的老化狀態(tài)。但該方法基于內(nèi)部局部放電信號，容易受到噪聲數(shù)據(jù)的影響，因此需要較長的信號采集時間。

針對上述方法中存在的問題，本文提出了一種基于RGB圖像傳感技術(shù)的電力設(shè)備材料老化特征提取方法。設(shè)計模式識別算法，對電力設(shè)備材料的老化特征進(jìn)行有效提取。采用顏色階矩陣對電力設(shè)備材料圖像顏色特征進(jìn)行表達(dá)，通過RGB顏色模型求取顏色矩陣的特征參數(shù)，實現(xiàn)電力材料圖像的預(yù)處理。采用灰度共生矩陣的方式，對電力設(shè)備相關(guān)材料圖像進(jìn)行灰度化處理，量化灰度級，利用滑動窗口選擇計算得出紋理特征值矩陣，最終轉(zhuǎn)換為圖像特征影像。本文將RGB圖像進(jìn)行灰度圖像處理，有效地降低了運行時間。結(jié)合能量特征、對比度特征、相關(guān)性特征和逆差矩特征的約束值，計算偏差結(jié)果，完成電力設(shè)備材料老化特征提取與判斷。

1 特征提取識別算法的設(shè)計

在采集RGB傳感圖像的基礎(chǔ)上，設(shè)計模式識別算法對老化圖像特征進(jìn)行提取，通過模式識別算法實現(xiàn)電力設(shè)備材料老化特征分析[9]。模式識別又稱作模式分類，從處理問題的性質(zhì)和解決問題的方法等角度，對物體具體模式進(jìn)行設(shè)定[10-11]。由特定的識別問題決定的模式識別算法，在識別系統(tǒng)中對識別對象反復(fù)觀察后確定具體算法設(shè)計。

本文對于電力設(shè)備材料的老化特征提取，需要通過無人機采集圖像特征，采用矩陣的形式來表示電力設(shè)備材料外部顏色的分布情況。相關(guān)電力材料的圖像信息在低階矩上，只需使用顏色的一階、二階以及三階矩就能夠?qū)D像顏色特征有效表達(dá)[12-13]。

一般利用RGB顏色模型來表示材料外部圖像顏色，采 用 的 多 是 將RGB轉(zhuǎn) 為HSV(Hue，Saturation，Value)并求取顏色矩陣的特征參數(shù)。本文中電力設(shè)備的材料樣本圖中，存在三個顏色分量，分別為紅色(R)、綠色(G)、藍(lán)色(B)，轉(zhuǎn)換成灰度圖，白、全黑、灰，分量中有三個顏色矩陣，每個顏色均含有一階、二階以及三階矩，則共有九個特征向量。由于RGB圖像占用空間較大，在某些場合，需要加快運算速度同時減少存儲空間，這就需要對圖像進(jìn)行降維變換處理。圖像降維是指將圖像從RGB圖像變?yōu)楹芯艂€特征向量的過程，可以將100×100×3的原圖像降維到1×9，說明可以用3×3個特征向量來表征某一像素，是一種有效、緊湊且簡潔的低層特征。

對經(jīng)過預(yù)處理后的電力材料圖像紋理特征提取，根據(jù)電力材料灰度圖像量化處理灰度級，通過滑動窗口選擇計算特征值P，得出Zr×Zc灰度共生矩陣，最終將紋理特征值矩陣轉(zhuǎn)換成紋理特征影像?；叶裙采仃囉脕韺Ψ较颚壬系膱D像描述，像素之間的間距為d，一對像素中存在灰度i和j的概率，在選擇θ和d時，通常情況下，d為1，θ為0°、45°、90°、135°，表達(dá)式分別為:

式中:f表示特征，k、m和l、n分別表示圖像上下左右四點像素坐標(biāo)值，變化于選擇的計算窗口中，根據(jù)Zr×Zc灰度共生矩陣，對電力設(shè)備材料圖像的能量特征、對比度特征、相關(guān)性特征和逆差矩特征展開計算，首先求得p′聚類數(shù)目:式中:R表示整個圖像區(qū)域；對矩陣像素中存在灰度和的概率(i，j)的歸一化結(jié)果，通過歸一化處理，可以更加簡便、準(zhǔn)確和定量地獲取材料圖像特征結(jié)果。假設(shè)Ng為灰度級數(shù)，則能量特征f1的表達(dá)式為:

對比度特征f2的表達(dá)式為:

相關(guān)性特征f3的表達(dá)式為:

逆差矩特征f4的表達(dá)式為:

式中:μxμy表示聚類中心點的橫、縱坐標(biāo)值；σxσy表示邊緣特征點的橫、縱坐標(biāo)值。其中，能量特征可以表示電力設(shè)備圖像灰度的分布和紋理；對比度特征可以反映采集到圖像的清晰程度；相關(guān)性特征可以反映圖像排列方向的相似度變化現(xiàn)象；逆差矩特征可以反映電力設(shè)備圖像的局部變化情況。通過偏差計算，可以有效得出結(jié)果數(shù)值。這些數(shù)值的偏差越大，說明越有可能失去原有規(guī)則，即出現(xiàn)老化特征。根據(jù)電力設(shè)備材料圖像識別的偏差結(jié)果完成老化特征提取。

2 實驗結(jié)果與數(shù)據(jù)分析

為了驗證基于RGB圖像傳感技術(shù)的電力設(shè)備材料老化特征提取方法的有效性，將以電線塔的電線，作為本文的實驗對象。無人機選取圖像的方法很多[14]，本文實驗環(huán)境選取某工廠附近，利用無人機飛控控制無人機拍攝并采集電線線圈圖像，共計獲取300幅電線線圈圖像。其中，無人機飛控設(shè)置無人機距懸停目標(biāo)高度保持精度±3 m，航向保持精度±3 m，發(fā)動機轉(zhuǎn)速控制精度±1%，采用32位圖形處理器TMS34010實現(xiàn)無人機飛行參數(shù)及飛行航圖的實時顯示[15]。無人機飛控如圖1所示，電線線圈圖像采集現(xiàn)場如圖2所示。

圖1 無人機飛控

圖2 電線線圈無人機圖像采集現(xiàn)場

將采集到的電線線圈無人機圖像輸入到PC端中，PC主機可通過共享存儲器讀取輸入圖像，并采用PC主機自動獲取電線線圈圖像的參數(shù)及其數(shù)據(jù)信息，PC端環(huán)境如圖3所示。利用MATLAB仿真軟件，將輸入數(shù)據(jù)進(jìn)行可視化處理，得到電線線圈材料截面，為電力設(shè)備材料的特征提取做鋪墊。MATLAB仿真軟件得到的電線截面轉(zhuǎn)化圖如圖4所示。

圖3 電線無人機圖像信息可視化處理的PC端環(huán)境

圖4 MatLab電線截面轉(zhuǎn)化圖

首先，我們要在系統(tǒng)中確定電線線圈截面的5條方向線圈主軸，然后，利用MATLAB仿真軟件讓PC端系統(tǒng)自動檢測獲取的300幅圖片中各個角度的電線線圈是否偏離主軸，以此判線圈材料是否發(fā)生老化；反之，則材料狀態(tài)正常。線圈主軸狀態(tài)如圖5所示。

圖5 電線線圈的老化特征

分析圖5可知，4號線圈特征采集點明顯偏離主軸。由于線圈偏離的主軸，因此可判別該電線線圈材料發(fā)生老化，而老化特征產(chǎn)生的原因，是電力設(shè)備材料產(chǎn)生破損，電力設(shè)備材料的破損情況如圖6所示。

圖6 電線線圈材料的破損情況

在上述基礎(chǔ)上，測試電力設(shè)備材料的老化特征提取的準(zhǔn)確率。在5次操作中，通過PC端輸出線圈材料破損特征提取的準(zhǔn)確率，測試結(jié)果如圖7所示。

分析圖7可知，對電力設(shè)備材料的老化特征提取時，所提方法所得到的提取準(zhǔn)確率大部分在90%，只有第2次實驗的準(zhǔn)確率相對較低，考慮主要原因應(yīng)該是無人機獲取照片時，操作穩(wěn)定性導(dǎo)致的誤差。文獻(xiàn)[5]、文獻(xiàn)[6]、文獻(xiàn)[7]方法獲得的特征提取準(zhǔn)確率分別在50%～70%、30%～40%、70%～85%之間，與所提方法相比，由于本文方法利用RGB圖像識別，采用多角度獲取數(shù)據(jù)，利用利用MATLAB實現(xiàn)三維還原截面等操作，讓本文所提方法準(zhǔn)確率更高，說明本文提出方法可以準(zhǔn)確地將電力設(shè)備材料的老化特征提取出來。

圖7 不同方法電力設(shè)備材料老化特征提取的準(zhǔn)確率

在對其特征提取準(zhǔn)確率測試的基礎(chǔ)上，進(jìn)一步測試方法的平均運行時間。利用三種方法分別檢測線路老化特征，在PC端分別記錄并輸出三種方法的平均運行時間，測試結(jié)果如圖8所示。

圖8 不同方法的平均運行時間對比

從圖8中可以看出，所提方法的平均運行時間比文獻(xiàn)[5]方法、文獻(xiàn)[6]、文獻(xiàn)[7]方法的平均運行時間低很多，從第10次運行結(jié)果上來看，所提方法的平均運行時間約為0.25 s，文獻(xiàn)[5]方法的平均運行時間約為0.65 s，文獻(xiàn)[6]方法的平均運行時間約為0.7 s，文獻(xiàn)[7]是高清識別，用時最長。對比可知，所提方法的運行時間較短，更具有實時性。時間縮短的主要原因是由于本文通過RGB圖像識別進(jìn)行灰度處理，降低了原圖片的維度，實現(xiàn)了處理速度的優(yōu)化。

4 結(jié)論

本文利用基于RGB圖像傳感技術(shù)的電力設(shè)備材料老化特征提取方法，提取其特征，并對方法的性能展開了相應(yīng)的測試。①測試了電力設(shè)備材料老化特征提取的準(zhǔn)確率，所提方法提取的準(zhǔn)確率大部分在90%以上，準(zhǔn)確率高；②測試了方法的平均運行時間，所提方法的平均運行時間僅約為0.4 s。

從實驗結(jié)果可以看出，所提方法特征提取準(zhǔn)確率較高，運行時間大大縮短，整體試驗效果顯著，具有較好的實時性。